【技术实现步骤摘要】
病理切片图像分级方法、装置、计算机设备和存储介质
本申请涉及医学图像处理
，特别是涉及一种病理切片图像分级方法、装置、计算机设备和存储介质。
技术介绍
随着医疗技术的发展，病理切片中各类腺体的识别在医疗方面起到了重要的作用。近年来，国内外许多医学研究团队开始致力于研究病理切片中各类腺体的识别，通过对病理切片中的各类腺体进行甄别，能够及时发现病变腺体，从而为病理切片分级提供辅助支持。传统的病理切片分级方式采用的是人工分级的方式，由病理医生通过对病理切片进行移动，进而通过肉眼扫描整个病理切片，对病理切片中的各个腺体的类别进行识别，进而根据识别结果，对病理切片进行分级。然而，由于每一张病理切片中都存在大量的病变腺体，各种腺体类型繁多、腺体结构复杂、腺体形态多样，在人工分级的方式中，病变腺体的识别与分类主要依赖于医生的专业技能，医生的主观判断性强，完全属于经验医学，容易出现误判，存在准确率低的问题。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高病理切片分级准确率的病理切片图像分级方法、装置、计算机设备和存储介质。一种病理切片图像分级方法，所述方法包括：...
【技术保护点】
1.一种病理切片图像分级方法，所述方法包括：获取待分析病理切片图像以及腺体位置分割参数，根据所述腺体位置分割参数，将所述待分析病理切片图像分割为多个待分析腺体图像；将所述待分析腺体图像输入已训练的卷积神经网络模型，得到所述腺体图像中各目标腺体的分类信息，所述卷积神经网络模型是以携带标注信息的样本腺体图像集合作为训练集进行训练得到，所述标注信息包括腺体类别信息；根据各所述目标腺体的分类信息，统计所述待分析病理切片图像中各预设类别的腺体数量以及腺体总量；根据所述待分析病理切片图像中各预设类别的腺体数量以及腺体总量，确定所述待分析病理切片图像的分级结果。
【技术特征摘要】
1.一种病理切片图像分级方法，所述方法包括：获取待分析病理切片图像以及腺体位置分割参数，根据所述腺体位置分割参数，将所述待分析病理切片图像分割为多个待分析腺体图像；将所述待分析腺体图像输入已训练的卷积神经网络模型，得到所述腺体图像中各目标腺体的分类信息，所述卷积神经网络模型是以携带标注信息的样本腺体图像集合作为训练集进行训练得到，所述标注信息包括腺体类别信息；根据各所述目标腺体的分类信息，统计所述待分析病理切片图像中各预设类别的腺体数量以及腺体总量；根据所述待分析病理切片图像中各预设类别的腺体数量以及腺体总量，确定所述待分析病理切片图像的分级结果。2.根据权利要求1所述的方法，其特征在于，所述获取腺体位置分割参数包括：获取携带标注信息的病理切片图像，所述标注信息包括腺体位置信息；根据腺体位置信息，采用聚类算法，将所述病理切片图像划分为多类目标图像；计算各类目标图像的尺寸平均值；将各类目标图像的尺寸平均值进行排序，将尺寸平均值的最大值作为目标滑动窗口的尺寸值；根据所述目标滑动窗口的尺寸值以及预设的步长参数，得到腺体位置分割参数。3.根据权利要求1所述的方法，其特征在于，所述将所述待分析腺体图像输入已训练的卷积神经网络模型，得到所述腺体图像中各目标腺体的分类信息包括：将所述腺体图像输入已训练的卷积神经网络模型，读取已训练的卷积神经网络模型中的多个卷积层和激活函数，获得所述腺体图像的特征图；根据已训练的卷积神经网络模型中的池化层对所述腺体图像的特征图进行降采样；根据已训练的卷积神经网络模型中的全连接层以及降采样后的所述腺体图像的特征图，得到腺体图像中各目标腺体的分类信息。4.根据权利要求1所述的方法，其特征在于，所述根据所述待分析病理切片图像中各预设类别的腺体数量以及腺体总量，确定所述待分析病理切片图像的分级结果包括：根据所述待分析病理切片图像中各预设类别的腺体数量以及腺体总量，确定各预设类别的腺体数量占所述腺体总量的比例；对各预设类别的腺体数量占所述腺体总量的比例进行排序；根据排序结果，确定所述待分析病理切片图像的分级结果。5.根据权利要求1所述的方法，其特征在于，所述将所述...
【专利技术属性】
技术研发人员：尚滨，彭铃淦，朱孝辉，
申请(专利权)人：广州锟元方青医疗科技有限公司，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。